دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [1 ed.] نویسندگان: Charu C. Aggarwal (auth.), Johannes Fürnkranz, Tobias Scheffer, Myra Spiliopoulou (eds.) سری: Lecture Notes in Computer Science 4212 : Lecture Notes in Artificial Intelligence ISBN (شابک) : 354045375X, 9783540453758 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2006 تعداد صفحات: 851 [872] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 16 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Machine Learning: ECML 2006: 17th European Conference on Machine Learning Berlin, Germany, September 18-22, 2006 Proceedings به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب یادگیری ماشین: ECML 2006: هفدهمین کنفرانس اروپایی در مورد یادگیری ماشین برلین، آلمان، 18-22 سپتامبر، 2006 مجموعه مقالات نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
از بررسیها:
\"در این کتاب، راههای زیادی برای نمایش یادگیری ماشین از زمینههای مختلف، از جمله یادگیری فعال، یادگیری الگوریتمی، موردی پیدا میکنیم. یادگیری مبتنی بر، سیستمهای طبقهبندی، الگوریتمهای خوشهبندی، یادگیری درخت تصمیم، استنتاج استقرایی، روشهای هسته، کشف دانش، یادگیری چند نمونهای، یادگیری تقویتی، یادگیری آماری و ماشینهای بردار پشتیبان. بیشتر مسائل جاری در تحقیقات یادگیری ماشین من این کتاب را قویاً به همه محققان علاقه مند به بهترین مطالعات یادگیری ماشین توصیه می کنم.» (Agliberto Cierco, ACM Computing Reviews, Vol. 49 (5), 2008)
From the reviews:
"In this book, we find many ways of representing machine learning from different fields, including active learning, algorithmic learning, case-based learning, classifier systems, clustering algorithms, decision-tree learning, inductive inference, kernel methods, knowledge discovery, multiple-instance learning, reinforcement learning, statistical learning, and support vector machines. Most of the current issues in machine learning research are discussed. … I strongly recommend this book for all researchers interested in the very best of machine learning studies." (Agliberto Cierco, ACM Computing Reviews, Vol. 49 (5), 2008)